CN114701544B - 一种煤矿井下单轨吊多源信息融合精确定位方法及*** - Google Patents
一种煤矿井下单轨吊多源信息融合精确定位方法及*** Download PDFInfo
- Publication number
- CN114701544B CN114701544B CN202210256874.8A CN202210256874A CN114701544B CN 114701544 B CN114701544 B CN 114701544B CN 202210256874 A CN202210256874 A CN 202210256874A CN 114701544 B CN114701544 B CN 114701544B
- Authority
- CN
- China
- Prior art keywords
- positioning
- uwb
- model
- monorail crane
- underground
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000003245 coal Substances 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000010276 construction Methods 0.000 claims abstract description 25
- 238000006073 displacement reaction Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 36
- 238000005070 sampling Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 4
- 101100366889 Caenorhabditis elegans sta-2 gene Proteins 0.000 claims description 3
- 101100395869 Escherichia coli sta3 gene Proteins 0.000 claims description 3
- 101150081243 STA1 gene Proteins 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明适用于井下单轨吊定位技术领域,提供了一种煤矿井下单轨吊多源信息融合精确定位方法及***,包括以下步骤:根据UWB***车载标签和基站解算出运动车辆动态位置;根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;根据地图构建***构建的全场景地图,确定特征点的位置信息;根据单轨吊行驶位移模型和特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息。本发明通过对三种定位方式进行信息融合,能够实现对单轨吊在井下运行时的精确定位,同时融合三种定位方式的优点,在保证精确度的同时,也能拥有较高的稳定性和抗干扰性能,适用于井下环境中的单轨吊定位。
Description
技术领域
本发明涉及井下单轨吊定位技术领域,具体是涉及一种煤矿井下单轨吊多源信息融合精确定位方法及***。
背景技术
单轨吊是一种井下辅助运输设备,主要用于运输人员及物料,它的牵引力大,且沿固定在煤矿巷道顶部的钢轨运行,运行速度不受巷道地面的恶劣路况影响,因此井下应用广泛。随着国家煤炭开采智能化进程的推进,对单轨吊的精确定位是实现井下辅助运输***智能调度的重要一环。
限于煤矿井下的特殊环境,GPS以及北斗导航此类定位***无法在井下使用,目前,国内外针对井下定位技术探索了多种定位方式。一种是基于RFID的人员车辆定位技术,人员车辆携带标识卡与固定的读卡器进行信息交互,即可得到位置信息,但这种定位方式抗干扰能力差,定位精度较低;另一种是基于UWB的定位***,通过固定基站与移动标签之间的信号传输时间,解算两者距离,但这种方式成本高且数据量大;还有一种基于捷联惯导的定位方法,通过测得的加速度及角速度信息解算出位置信息,但由于累积误差的存在,导致其无法进行长时间的高精度定位。
因此,如何对煤矿井下单轨吊进行精确定位,为实现井下辅助运输***智能调度提供技术支持,是本领域亟需解决的重大问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种煤矿井下单轨吊多源信息融合精确定位方法及***,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种煤矿井下单轨吊多源信息融合精确定位方法,所述方法包括以下步骤:
根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置;
根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;
根据地图构建***构建的全场景地图,选取并确定特征点的位置信息;
当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型;
当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型;
当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息;
根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息。
作为本发明进一步的方案:当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型的步骤,具体包括:
构建单轨吊UWB定位状态模型:将单轨吊UWB定位***划分为若干个由4个UWB定位基站和1个UWB移动节点组成的定位网络最小单元,每一个最小单元中,定位基站坐标向量记为xa∈R2,a=1,2,3,4,UWB移动节点坐标向量及UWB移动节点的速度作为状态参数,即Xd(k)=[px(k) py(k) vx(k) vy(k)]T,运动过程中受到随机扰动为ud(k)=[ux(k) uy(k)]T,且ux~N(0,δx 2),uy~N(0,δy 2),将单轨吊的运动模型表示为:
其状态方程为Xd(k)=ΦXd(k-1)+τud(k-1),其中:状态转移矩阵噪声驱动矩阵/>△T为UWB数据采样间隔,/>为采样时刻k处的***噪声,q为均值为零,方差为/>的白噪声,噪声协方差矩阵为Q=τqτT;
构建单轨吊UWB定位量测模型:通过单轨吊UWB定位***定位所需的测量值为UWB移动节点与每一个UWB参考节点之间的距离信息,则在k时刻,使用r(k)表示移动节点在采样时刻k处的真实位置,用y(k)表示移动节点在采样时刻k处的观测值,则有y(k)=r(k)+v(k),其中v(k)~N(0,δR)2代表距离测量噪声,k时刻的量测方程为Y(k)=[d1 2(k)…dn 2(k)]T+V(k),其中即/>通过泰勒级数展开将非线性量测方程转化为线性量测方程,即Y(k)=H(k)Xd(k)+V(k),其中:/>
作为本发明进一步的方案:当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型的步骤,具体包括:
生成姿态阵更新式:
其中地球自转速率ωie=7.2921151467×10-5rad/s,惯导位置速率
RM=Re(1-2fe+3fe sin2L),
RN=Re(1+fesin2L),分别是惯导***在东向、北向和高度方向速度向量;h为惯导***所在高度,L为惯导***所在地球上纬度,Re为参考地球模型的椭圆长轴半径,fe为参考地球模型的扁率;
生成速度更新式:
生成位置更新式:
P=[L λ h]T
当νn,gn,MpV时,/>
生成圆锥误差补偿式:其中,陀螺在时间段[tm-1,tm]内(T=tm-tm-1)进行了两次等间隔采样,角增量分别为△θm1,△θm2;
生成旋转误差补偿式:其中△θm为陀螺采样角增量,△νm为加速度计采样比力增量;
生成划桨误差补偿式:
作为本发明进一步的方案:当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息的步骤包括:通过激光雷达和视觉摄像头构建的井下巷道模型为:M={Psta1,Psta2,Psta3…PstaN},其中PstaN为特征点位置信息,PstaN=[LstaN λstaN hstaN]T。
本发明的另一目的在于提供一种煤矿井下单轨吊多源信息融合精确定位***,所述***包括:
UWB定位模块,用于根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置;
捷联惯导定位模块,用于根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;
地图构建模块,用于根据地图构建***构建的全场景地图,选取并确定特征点的位置信息;
UWB定位状态模型和量测模型建立模块,当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型;
捷联惯导定位位移模型建立模块,当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型;
地图构建***特征点位置建立模块,当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息;以及
卡尔曼滤波模型建立模块以及位置修正模块,用于根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息。
与现有技术相比,本发明的有益效果是:
本发明根据UWB定位***的车载标签和移动节点之间的交互信息以及单轨吊运行的实际约束,建立运动状态模型和量测模型;然后根据捷联惯导***的陀螺仪和加速度计的误差补偿模型,建立行驶过程中的位移模型;最后再根据地图构建***所确定的特征点的位置信息,建立精确定位的卡尔曼滤波模型,经过修正后得到单轨吊的精确位置信息。该方法及***通过对三种定位方式进行信息融合,能够实现对单轨吊在井下运行时的精确定位,同时融合三种定位方式的优点,在保证精确度的同时,也能拥有较高的稳定性和抗干扰性能,非常适用于井下环境中的单轨吊定位。
附图说明
图1为煤矿井下单轨吊多源信息融合精确定位技术的原理框图。
图2为一种煤矿井下单轨吊多源信息融合精确定位方法的***流程图。
图3为一种煤矿井下单轨吊多源信息融合精确定位方法的流程图。
图4为一种煤矿井下单轨吊多源信息融合精确定位***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
需要说明的是,本发明涉及井下单轨吊定位技术领域,由于煤矿井下复杂多变的地质环境以及深处地下的采矿环境,GPS以及北斗等传统定位方式无法使用,但对煤矿井下人员车辆进行精确定位是不可或缺的,目前常用的RFID人员车辆定位虽然技术比较成熟,但是定位范围小且定位精度低,不适用于单轨吊这样运行路程和时间较长的定位设备,本发明实施例旨在解决上述问题。
如图1和图2所示,UWB定位***通过计算基站与标签之间电磁波信号的飞行时间从而计算二者之间的距离,再通过三边定位原理便可得到移动标签较为精确的位置信息,但是由于井下非视距以及信号失真等影响,UWB定位常常会出现位置丢失的现象;捷联惯导定位是一种不依赖于外接条件的定位方式,其通过陀螺仪以及加速度输出的比力和加速度信息,通过误差补偿以及矩阵变换后能计算出该惯导***在一段时间内较为精确的位置值,但是由于累积误差的存在,捷联惯导***常常需要进行位置修正;三维激光雷达以及视距相机能够构建出单轨吊运行巷道的整体模型,通过选取确定的特征点,便可将特征点的位置信息上传至整个定位***作为位置修正参考点。为此,本发明提供了一种利用UWB定位***、捷联惯导***以及地图构建***进行煤矿井下单轨吊多源信息融合精确定位的方法及***,该方法及***通过对三种定位方式进行信息融合,能够实现对单轨吊在井下运行时的精确定位,同时融合三种定位方式的优点,在保证精确度的同时,也能拥有较高的稳定性和抗干扰性能。
如图3所示,本发明实施例提供了一种煤矿井下单轨吊多源信息融合精确定位方法,所述方法包括以下步骤:
S100,根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置。
该步骤首先通过双边双程测距原理测得车载标签与井下巷道内多个基站的距离,将车载标签与基站都视为固定节点,那么一旦UWB节点工作,每个节点生成一个独立的时间戳,节点A在Ta1发出请求信号帧,节点B在其Tb1接收该信号。经过一个时间Treply1后在Tb2处发送响应信号帧,节点A在Ta2处接收到响应信号。经过一个时间Treply2后在Ta3处发送结束信号帧,节点B在Tb2处接收到该结束信号帧,测距过程结束。最终得到四个时间差数据Treply1、Treply2、Tround1、Tround12,在节点A与节点B之间UWB信号的飞行时间为:
由上式可得到节点A与节点B之间的距离,其中c为光速。再根据三边定位原理,假设巷道内三个固定基站的坐标分别为:BS1(x1,y1)、BS2(x2,y2)、BS3(x3,y3),三个定位基站与定位标签MS(x,y)的距离分别为R1=v*t1、R2=v*t2、R3=v*t3,则根据圆周公式可建立方程组,即:
就可以计算出运动车辆的实时位置。
S200,根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程。
该步骤首先进行载体坐标系(b系)与导航坐标系(n***)之间的转换,n系可经过三次单轴旋转变换到b系,旋转顺序如下所示:
则三次基本旋转所对应的坐标变换矩阵为:
将上述三个转换矩阵相乘,即可得到n系到b系的姿态转换矩阵,如下式所示:
再根据捷联惯导比力方程,进行积分后可得单轨吊位移为:
其中,为ti时刻至ti+1时刻n系中的速度投影,/>为单轨吊的初始位置信息。
S300,根据地图构建***构建的全场景地图,选取并确定特征点的位置信息。
需要说明的是,在单轨吊进行运输活动前,首先进行多次模型运行,通过安装在单轨吊车身上激光雷达和视觉摄像头构建完整精确的井下巷道模型,通过对比整个井下模型的样貌,选取合适的特征点。
S400,当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型。
S400步骤具体包括:
构建单轨吊UWB定位状态模型:将单轨吊UWB定位***划分为若干个由4个UWB定位基站和1个UWB移动节点组成的定位网络最小单元,每一个最小单元中,定位基站坐标向量记为xa∈R2,a=1,2,3,4,UWB移动节点坐标向量及UWB移动节点的速度作为状态参数,即Xd(k)=[px(k) py(k) vx(k) vy(k)]T,运动过程中受到随机扰动为ud(k)=[ux(k) uy(k)]T,且ux~N(0,δx 2),uy~N(0,δy 2),假设UWB标签固定在单轨吊车身上并未被异物遮盖,单轨吊沿轨道保持匀速行进,单轨吊的运动模型为可表示为:
其状态方程为Xd(k)=ΦXd(k-1)+τud(k-1),其中:状态转移矩阵噪声驱动矩阵/>△T为UWB数据采样间隔,/>为采样时刻k处的***噪声,q为均值为零,方差为/>的白噪声,噪声协方差矩阵为Q=τqτT;
构建单轨吊UWB定位量测模型:在单轨吊UWB定位***中,定位所需的测量值为UWB移动节点与每一个UWB参考节点之间的距离信息,则在k时刻,使用r(k)表示移动节点在采样时刻k处的真实位置,用y(k)表示移动节点在采样时刻k处的观测值,则有y(k)=r(k)+v(k),其中v(k)~N(0,δR)2代表距离测量噪声,δR由UWB***的测量精度决定,则***k时刻的量测方程可以表示为:Y(k)=[d1 2(k)…dn 2(k)]T+V(k),其中即:
通过泰勒级数展开可将非线性量测方程转化为线性量测方程,即Y(k)=H(k)Xd(k)+V(k),
其中:
S500,当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型。
S500的步骤具体包括:
生成姿态阵更新式:
其中地球自转速率ωie=7.2921151467×10-5rad/s,惯导位置速率
RM=Re(1-2fe+3fe sin2L),
RN=Re(1+fesin2L),分别是惯导***在东向、北向和高度方向速度向量;h为惯导***所在高度,L为惯导***所在地球上纬度,Re为参考地球模型的椭圆长轴半径,fe为参考地球模型的扁率;
生成速度更新式:
生成位置更新式:
P=[L λ h]T
当νn,gn,MpV时,/>
生成圆锥误差补偿式:其中,陀螺在时间段[tm-1,tm]内(T=tm-tm-1)进行了两次等间隔采样,角增量分别为△θm1,△θm2;
生成旋转误差补偿式:其中△θm为陀螺采样角增量,△νm为加速度计采样比力增量;
生成划桨误差补偿式:
S600,当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息。
S600步骤具体包括:通过激光雷达和视觉摄像头构建的井下巷道模型为:M={Psta1,Psta2,Psta3…PstaN},其中PstaN为特征点位置信息,PstaN=[LstaN λstaN hstaN]T。
S700,根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息。
需要说明的是,井下单轨吊位置修正采用Kalman滤波的方式,***状态量的选取和UWB/INS组合定位相同,滤波观测量为:
式中:Zp(t)是滤波位置观测量;rp(t)是特征点位置值。则Kalman的量测方程为:
Z′k=Zp(t)=H′kx+νp
式中:H′k位置修正滤波的观测矩阵;νp为位置修正滤波的观测噪声,满足高斯白噪声特性。
如图4所示,本发明实施例还提供了一种煤矿井下单轨吊多源信息融合精确定位***,所述***包括:
UWB定位模块100,用于根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置;
捷联惯导定位模块200,用于根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;
地图构建模块300,用于根据地图构建***构建的全场景地图,选取并确定特征点的位置信息;
UWB定位状态模型和量测模型建立模块400,当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型;
捷联惯导定位位移模型建立模块500,当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型;
地图构建***特征点位置建立模块600,当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息;
卡尔曼滤波模型建立模块以及位置修正模块700,用于根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息。
本发明提供的煤矿井下单轨吊多源信息融合精确定位***,为煤矿井下单轨吊精确定位领域提供了一种实际可行的新的定位方法,该方法具有抗干扰能力强、定位距离远、定位精确高以及可靠性高等显著优势,对煤矿井下单轨吊的定位具有很好的适用性。本发明通过融合UWB定位、捷联惯导定位以及地图构建技术,利用捷联惯导短时间内精确位置数据补偿UWB定位***可能出现的数据丢失现象,利用地图构建技术生成的特征点的位置信息修正捷联惯导定位中的累积误差,让本定位***在保证可靠性的同时,极大地提高了定位精度,为后续实现井下辅助运输***智能调度提供了有效的技术支持。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (4)
1.一种煤矿井下单轨吊多源信息融合精确定位方法,其特征在于,所述方法包括以下步骤:
根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置;
根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;
根据地图构建***构建的全场景地图,选取并确定特征点的位置信息;
当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型;
当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型;
当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息;
根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息;
其中,当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型的步骤,具体包括:
构建单轨吊UWB定位状态模型:将单轨吊UWB定位***划分为若干个由4个UWB定位基站和1个UWB移动节点组成的定位网络最小单元,每一个最小单元中,定位基站坐标向量记为xa∈R2,a=1,2,3,4,UWB移动节点坐标向量及UWB移动节点的速度作为状态参数,即Xd(k)=[px(k) py(k) vx(k) vy(k)]T,运动过程中受到随机扰动为ud(k)=[ux(k) uy(k)]T,且ux~N(0,δx 2),uy~N(0,δy 2),将单轨吊的运动模型表示为:
其状态方程为Xd(k)=ΦXd(k-1)+τud(k-1),其中:状态转移矩阵噪声驱动矩阵/>ΔT为UWB数据采样间隔,/>为采样时刻k处的***噪声,q为均值为零,方差为/>的白噪声,噪声协方差矩阵为Q=τqτT;
构建单轨吊UWB定位量测模型:通过单轨吊UWB定位***定位所需的测量值为UWB移动节点与每一个UWB参考节点之间的距离信息,则在k时刻,使用r(k)表示移动节点在采样时刻k处的真实位置,用y(k)表示移动节点在采样时刻k处的观测值,则有y(k)=r(k)+v(k),其中v(k)~N(0,δR)2代表距离测量噪声,k时刻的量测方程为Y(k)=[d1 2(k) … dn 2(k)]T+V(k),其中即
通过泰勒级数展开将非线性量测方程转化为线性量测方程,即Y(k)=H(k)Xd(k)+V(k),其中:
2.根据权利要求1所述一种煤矿井下单轨吊多源信息融合精确定位方法,其特征在于,当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型的步骤,具体包括:
生成姿态阵更新式:
其中地球自转速率ωie=7.2921151467×10-5rad/s,惯导位置速率RM≈Re(1-2fe+3fesin2L),RN≈Re(1+fesin2L),分别是惯导***在东向、北向和高度方向速度向量;h为惯导***所在高度,L为惯导***所在地球上纬度,Re为参考地球模型的椭圆长轴半径,fe为参考地球模型的扁率;
生成速度更新式:
生成位置更新式:
P=[L λ h]T
当时,/>
生成圆锥误差补偿式:其中,陀螺在时间段[tm-1,tm]内T=tm-tm-1进行了两次等间隔采样,角增量分别为Δθm1,Δθm2;
生成旋转误差补偿式:其中Δθm为陀螺采样角增量,Δνm为加速度计采样比力增量;
生成划桨误差补偿式:
3.根据权利要求2所述一种煤矿井下单轨吊多源信息融合精确定位方法,其特征在于,当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息的步骤包括:通过激光雷达和视觉摄像头构建的井下巷道模型为:M={Psta1,Psta2,Psta3…PstaN},其中PstaN为特征点位置信息,PstaN=[LstaN λstaN hstaN]T。
4.一种煤矿井下单轨吊多源信息融合精确定位***,其特征在于,所述***包括:
UWB定位模块,用于根据UWB***车载标签和固定在井下巷道内的基站,解算出运动车辆动态位置;
捷联惯导定位模块,用于根据捷联惯导***输出的姿态矩阵对比力进行矩阵转换,解算出车辆行驶路程;
地图构建模块,用于根据地图构建***构建的全场景地图,选取并确定特征点的位置信息;
UWB定位状态模型和量测模型建立模块,当UWB***正常工作时,分析由UWB移动节点坐标向量及UWB移动节点的速度构成的状态参数,根据运动过程中受到的随机扰动,建立适合井下单轨吊定位场景的状态模型和量测模型;
捷联惯导定位位移模型建立模块,当捷联惯导***正常工作时,根据初始姿态角建立初始姿态矩阵,构建陀螺仪和加速度计的误差补偿模型,对姿态矩阵进行更新并对速度进行坐标系转换,推导出单轨吊行驶位移模型;
地图构建***特征点位置建立模块,当地图构建***正常工作时,通过激光雷达和视觉摄像头构建井下巷道全场景地图,选取并确定特征点精确位置信息;以及
卡尔曼滤波模型建立模块以及位置修正模块,用于根据所述的单轨吊行驶位移模型以及特征点精确位置信息,构建精确定位卡尔曼滤波模型,对单轨吊实时位置模型进行修正,得到精确位置信息;
其中,UWB定位状态模型和量测模型建立模块的具体执行步骤为:
构建单轨吊UWB定位状态模型:将单轨吊UWB定位***划分为若干个由4个UWB定位基站和1个UWB移动节点组成的定位网络最小单元,每一个最小单元中,定位基站坐标向量记为xa∈R2,a=1,2,3,4,UWB移动节点坐标向量及UWB移动节点的速度作为状态参数,即Xd(k)=[px(k) py(k) vx(k) vy(k)]T,运动过程中受到随机扰动为ud(k)=[ux(k) uy(k)]T,且ux~N(0,δx 2),uy~N(0,δy 2),将单轨吊的运动模型表示为:
其状态方程为Xd(k)=ΦXd(k-1)+τud(k-1),其中:状态转移矩阵噪声驱动矩阵/>ΔT为UWB数据采样间隔,/>为采样时刻k处的***噪声,q为均值为零,方差为/>的白噪声,噪声协方差矩阵为Q=τqτT;
构建单轨吊UWB定位量测模型:通过单轨吊UWB定位***定位所需的测量值为UWB移动节点与每一个UWB参考节点之间的距离信息,则在k时刻,使用r(k)表示移动节点在采样时刻k处的真实位置,用y(k)表示移动节点在采样时刻k处的观测值,则有y(k)=r(k)+v(k),其中v(k)~N(0,δR)2代表距离测量噪声,k时刻的量测方程为Y(k)=[d1 2(k) … dn 2(k)]T+V(k),其中即通过泰勒级数展开将非线性量测方程转化为线性量测方程,即Y(k)=H(k)Xd(k)+V(k),其中:
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256874.8A CN114701544B (zh) | 2022-03-16 | 2022-03-16 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
PCT/CN2022/124501 WO2023173729A1 (zh) | 2022-03-16 | 2022-10-11 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256874.8A CN114701544B (zh) | 2022-03-16 | 2022-03-16 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114701544A CN114701544A (zh) | 2022-07-05 |
CN114701544B true CN114701544B (zh) | 2023-09-26 |
Family
ID=82169311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256874.8A Active CN114701544B (zh) | 2022-03-16 | 2022-03-16 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114701544B (zh) |
WO (1) | WO2023173729A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114701544B (zh) * | 2022-03-16 | 2023-09-26 | 中国矿业大学 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
CN116750651B (zh) * | 2023-08-18 | 2023-10-20 | 山东鲁运智能装备有限公司 | 一种单轨吊机车装载能力调节方法、***及终端 |
CN117788592B (zh) * | 2024-02-26 | 2024-06-07 | 北京理工大学前沿技术研究院 | 一种矿井车辆的雷达点云处理装置、方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105371871A (zh) * | 2015-12-02 | 2016-03-02 | 中国矿业大学 | 井下采煤机捷联惯导***的组合初始对准***及对准方法 |
CN108089180A (zh) * | 2017-12-18 | 2018-05-29 | 江苏添仂智能科技有限公司 | 基于uwb传感器作为轨道信标对gps和惯性导航***矫正的悬挂式轨道车的定位方法 |
CN110850457A (zh) * | 2019-10-22 | 2020-02-28 | 同济大学 | 一种用于室内煤场的无人机定位导航方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2960963B1 (fr) * | 2010-06-02 | 2012-07-13 | Commissariat Energie Atomique | Dispositif d'aide a la navigation, notamment a l'interieur de batiments |
WO2015086062A1 (en) * | 2013-12-11 | 2015-06-18 | Abb Technology Ltd | Method for positioning humans and devices in underground environments |
CN112034479A (zh) * | 2020-06-15 | 2020-12-04 | 煤炭科学技术研究院有限公司 | 一种应用于煤矿井下智能巡检无人机的定位方法及*** |
CN112556695B (zh) * | 2020-11-30 | 2023-09-19 | 北京建筑大学 | 室内定位与三维建模方法、***、电子设备及存储介质 |
CN113758488B (zh) * | 2021-09-27 | 2023-08-29 | 同济大学 | 一种基于uwb与vio的室内定位方法及设备 |
CN114166221B (zh) * | 2021-12-08 | 2022-07-22 | 中国矿业大学 | 动态复杂矿井环境中辅助运输机器人定位方法及*** |
CN114701544B (zh) * | 2022-03-16 | 2023-09-26 | 中国矿业大学 | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** |
-
2022
- 2022-03-16 CN CN202210256874.8A patent/CN114701544B/zh active Active
- 2022-10-11 WO PCT/CN2022/124501 patent/WO2023173729A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105371871A (zh) * | 2015-12-02 | 2016-03-02 | 中国矿业大学 | 井下采煤机捷联惯导***的组合初始对准***及对准方法 |
CN108089180A (zh) * | 2017-12-18 | 2018-05-29 | 江苏添仂智能科技有限公司 | 基于uwb传感器作为轨道信标对gps和惯性导航***矫正的悬挂式轨道车的定位方法 |
CN110850457A (zh) * | 2019-10-22 | 2020-02-28 | 同济大学 | 一种用于室内煤场的无人机定位导航方法 |
Non-Patent Citations (3)
Title |
---|
(意)达尔达里等.卫星及陆基无线电定位技术.2015,231-233. * |
Integrated Positioning System of Unmanned Automatic Vehicle in Coal Mines;Yuming Cui.etal;《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》;20211231;正文第2-4节 * |
基于多传感器数据融合的煤矿井下移动机器人精确定位技术研究;张征;《中国优秀硕士学位论文全文数据库 工程科技I辑》;20220315;23、48-53、71-76、91-110 * |
Also Published As
Publication number | Publication date |
---|---|
CN114701544A (zh) | 2022-07-05 |
WO2023173729A1 (zh) | 2023-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114701544B (zh) | 一种煤矿井下单轨吊多源信息融合精确定位方法及*** | |
US11802769B2 (en) | Lane line positioning method and apparatus, and storage medium thereof | |
CN109974697B (zh) | 一种基于惯性***的高精度测绘方法 | |
CN110780326A (zh) | 一种车载组合导航***和定位方法 | |
CN102519470B (zh) | 多级嵌入式组合导航***及导航方法 | |
CN105300410A (zh) | 采煤机惯性导航定位误差校准装置及方法 | |
CN114199240B (zh) | 无gps信号下二维码、激光雷达与imu融合定位***及方法 | |
CN105628026A (zh) | 一种移动物体的定位定姿方法和*** | |
CN111207744B (zh) | 一种基于厚尾鲁棒滤波的管线地理位置信息测量方法 | |
CN103499350A (zh) | Gps盲区下融合多源信息的车辆高精度定位方法及装置 | |
CN104515527A (zh) | 一种无gps信号环境下的抗粗差组合导航方法 | |
CN112378399B (zh) | 基于捷联惯导和数字全站仪的煤矿巷道掘进机器人精确定位定向方法 | |
Zhou et al. | Kinematic measurement of the railway track centerline position by GNSS/INS/odometer integration | |
CN109781098A (zh) | 一种列车定位的方法和*** | |
CN111637888B (zh) | 基于惯导和激光雷达单点测距的掘进机定位方法及*** | |
CN112578394B (zh) | 附有几何约束的LiDAR/INS融合定位与制图方法 | |
CN114018273A (zh) | 煤矿井下自动驾驶车辆精确定位***及其定位方法 | |
CN110631573B (zh) | 一种惯性/里程计/全站仪多信息融合方法 | |
CN110095135B (zh) | 一种用于掘进机定位定向的方法及装置 | |
CN113236363A (zh) | 开采设备导航定位方法、***、设备及可读存储介质 | |
CN104296741A (zh) | 采用距离平方和距离平方变化率的wsn/ahrs紧组合方法 | |
CN115202383B (zh) | 一种无人机多维航迹表达及生成方法 | |
CN116839591A (zh) | 一种轨迹跟踪定位滤波***及救援无人机的融合导航方法 | |
CN111504313A (zh) | 基于速度信息辅助的钻探用定位定向仪孔内定位方法 | |
Sánchez et al. | High precision indoor positioning by means of LiDAR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |